解决R语言 数据不平衡的问题

load("C:/Users/User/Desktop/data.RData")
table(data$classification)
prop.table(table(data$classification))

######### 方法一 #########
library(ROSE)
# 由于是多分类问题，我们先提取数据中比例最大的类和比例最小的类
# 进行平衡（转化为二分类问题）
test <- data[which(data$classification == -8 | data$classification == 4),]
# 将分类结果转化为因子型（不然会报错）
test$classification <- as.factor(test$classification)
# 进行欠采样
# 其中 method = "under" 表示采用的方法为“欠采样”
# N = 40 表示最终整个数据集的数量
# seed 随机种子，为了保留对样本的追踪
under <- ovun.sample(classification ~ ., test, method = "under", N = 40, seed = 1)$data
# 查看结果
table(under$classification)

######### 方法二 #########
library(dplyr)
# 由于是多分类问题，我们先提取数据中比例最大的类和比例最小的类
# 进行平衡（转化为二分类问题）
test <- data[which(data$classification == -8 | data$classification == 4),]
# 提取大比例类
test1 <- test[which(test$classification == 4),]
# 将大比例类的数量降为12个
down <- sample_n(test1, 12, replace = TRUE)
# 将欠采样后的类进行合并
down <- rbind(test[which(test$classification == -8), ],down)
table(down$classification)

######### 方法一 #########
library(ROSE)
test <- data[which(data$classification == -8 | data$classification == 4),]
test$classification <- as.factor(test$classification)
# 实现上大致与欠采样相同，只有类型 method 改成了 "over"，同时没有限制总数量
under <- ovun.sample(classification ~ ., test, method = "over", seed = 1)$data
table(under$classification)

######### 方法二 #########
library(dplyr)
test <- data[which(data$classification == -8 | data$classification == 4),]
# 提取小比例类
test1 <- test[which(test$classification == -8),]
# 将小比例类的数量降为4817个（与大比例类相同）
# 这里使用的过采样方法是随机复制小比例类中的数据，将其扩充到指定数量
down <- sample_n(test1, 4817, replace = TRUE)
down <- rbind(test[which(test$classification == 4), ],down)
table(down$classification)

######### 方法一 #########
library(ROSE)
# 由于是多分类问题，我们先提取数据中比例最大的类和比例最小的类
# 进行平衡（转化为二分类问题）
test <- data[which(data$classification == -8 | data$classification == 4),]
# 将分类结果转化为因子型（不然会报错）
test$classification <- as.factor(test$classification)
# ROSE提供了ROSE()函数来合成人工数据
rose <- ROSE(classification ~ ., test, seed = 1)$data
# 查看结果
table(rose$classification)

######### 方法二 #########
library(DMwR)
test <- data[which(data$classification == -8 | data$classification == 4),]
test$classification <- as.factor(test$classification)
# perc.over: 如 perc.over = n，小比例类的个数变为 (n/100)a + a 个数据（a为小比例类原始数量）
# perc.under: 如 perc.under = m，大比例类的个数变为((nm)/100)a个
# 因此本次案例中，小比例类的个数变为(3500/100)*12 + 12 = 432个
# 大比例类的个数变为((3500*300)/100^2)*12 = 1260个
down <- SMOTE(classification ~ ., test, perc.over = 3500, perc.under = 300)
table(down$classification)